filter被称为高阶函数是有道理的。
filter(self, /, *args, **kwargs)
Docstring: filter(function or None, iterable) --> filter object
Return an iterator yielding those items of iterable for which function(item) is true. If function is None, return the items that are true.
从Doc的简单描述可以看出，filter的主要作用是通过function对iterable中的元素进行过滤，并返回一个迭代器（iterator），其中是function返回True的元素。如果function传入None，则返回所有本身可以判断为True的元素。
例1：
l = [x for x in range(10)]
print(list(filter(lambda x : x%2 == 0, l)))
#输出[2,4,6,8]因为filter返回的是一个iterator，所以输出的时候需要用list进行转换。
例2：
l = [x for x in range(0, 10)]
print(list(filter(None, l)))
#输出[1,2,3,4,5,6,7,8,9]和例1的输入略有区别，输入是0~9，filter的第一个参数传入了None，所以在迭代过程中，0被判断为False从而被过滤，1~9被保留下来。这个方法可以替代for循环的数据拾取。
通过上面的例子可以看出，调用filter时并没有触发过滤过程，因为调用filter函数只是返回了一个iterator，它是惰性计算，只有next或者list的时候，才真正开始计算过程。
上面是两个基本的用法，接下来看filter的更高级一点儿的用法。
def _odd_iter():
n = 1
while True:
n = n + 2
yield n
def _not_divisible(n):
return lambda x : x%n>0
def primes():
yield 2
it = _odd_iter()
ftr = filter(_not_divisible(2), it) #1
while True:
n = next(ftr ) #2
yield n
ftr = filter(_not_divisible(n), ftr ) #3
for n in primes():
if n < 100:
print('now:',n)
else:
break例子摘自廖雪峰的教程，其中对#1，#2，#3三行做了修改。
通过这个例子，可以看到filter的两个高级用法：
1.其实filter返回的是一个filter对象。#3行通过重复赋值，可以向filter中添加多个过滤器。例子中，就是通过每次执行#3行，把当前素数作为新的被除数条件加入到过滤器ftr 中，所以在for循环的后续迭代中，每次都增加一个素数条件进入过滤器。
通过这种重复赋值的方法，可以给filter添加多个过滤函数，极大的加强了过滤功能。
2. filter的第二个参数可以传入iterator。当然，此时就不能用list取filter的结果，只能用next(filter对象)取下一个过滤结果为True的元素。